用于定位对象的方法、装置、设备和存储介质.pdf

《用于定位对象的方法、装置、设备和存储介质.pdf》由会员分享，可在线阅读，更多相关《用于定位对象的方法、装置、设备和存储介质.pdf（31页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911337308.4 (22)申请日 2019.12.23 (71)申请人 北京百度网讯科技有限公司 地址 100094 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 万国伟侯深化宋适宇 (74)专利代理机构 北京市金杜律师事务所 11256 代理人 李辉 (51)Int.Cl. G05D 1/02(2020.01) (54)发明名称 用于定位对象的方法、 装置、 设备和存储介 质 (57)摘要 根据本公开的示例实施例， 提供了用于定位 对象的方法、 装置、 。

2、设备和存储介质， 涉及自动驾 驶领域。 一种用于定位对象的方法包括获取与对 象所在的区域有关的地图。 该地图包括具有不同 高度信息的多个地图层。 该方法还包括基于地图 以及与对象有关的当前点云数据， 确定对象的候 选位置、 与候选位置相对应的高度以及对象处于 估计位置且具有估计姿态的估计概率。 此外， 该 方法还包括基于估计位置、 与估计位置相对应的 高度和估计概率， 确定定位信息， 定位信息指示 以下至少一项： 对象的当前位置、 当前高度和当 前姿态。 以此方式， 本公开的实施例能够在各种 具有复杂的高度信息的场景下实现高精度定位， 从而满足自动驾驶的要求。 权利要求书4页 说明书18页 附。

3、图8页 CN 110989619 A 2020.04.10 CN 110989619 A 1.一种用于定位对象的方法， 包括： 获取与所述对象所在的区域有关的地图， 所述地图包括具有不同高度信息的多个地图 层； 基于所述地图以及与所述对象有关的当前点云数据， 确定所述对象的估计位置、 与所 述估计位置相对应的估计高度以及所述对象以估计姿态处于所述估计位置的估计概率； 以 及 至少基于所述估计位置、 所述估计高度和所述估计概率， 确定所述对象的定位信息， 所 述定位信息指示以下至少一项： 所述对象的当前位置、 当前高度和当前姿态。 2.根据权利要求1所述的方法， 其中获取所述地图包括： 获取在历。

4、史时段内采集的与所述区域有关的历史点云数据； 基于所述历史点云数据， 确定所述多个地图层， 所述多个地图层中的每个地图层包括 多个地图单元， 每个地图单元包括用于构建单高斯模型的空间参数和地面参数； 以及 基于所述多个地图层， 生成所述地图。 3.根据权利要求2所述的方法， 进一步包括： 基于所述当前点云数据的高度信息， 从所述多个地图层中选择一组地图层， 所述一组 地图层的高度信息与所述当前点云数据的所述高度信息相匹配； 确定所述一组地图层中的、 与所述当前点云数据相对应的地图单元； 以及 基于所述当前点云数据， 更新与所述当前点云数据相对应的所述地图单元的单高斯模 型。 4.根据权利要求1。

5、所述的方法， 其中确定所述估计高度包括： 基于所述估计位置的预定高度和所述多个地图层的高度信息， 从所述多个地图层中确 定至少一个地图层， 所述预定高度在与所述至少一个地图层相关联的高度范围内； 以及 基于所述预定高度以及所述至少一个地图层的高度信息， 来确定所述估计高度。 5.根据权利要求1至4中任一项所述的方法， 其中确定所述估计概率包括： 基于所述多个地图层中包含的反射信息和所述当前点云数据的反射信息， 确定所述对 象处于所述估计位置且具有所述估计姿态的反射估计概率； 基于所述多个地图层中包含的高度信息和所述当前点云数据中包含的高度信息， 确定 所述对象处于所述估计位置且具有所述估计姿态。

6、的高度估计概率； 以及 基于所述反射估计概率和所述高度估计概率， 确定所述估计概率。 6.根据权利要求5所述的方法， 其中确定所述反射估计概率包括： 基于从所述多个地图层中选择的一层地图层的高度信息， 确定所述当前点云数据中的 第一数据集， 所述第一数据集的高度信息与选择的所述一层地图层的所述高度信息相对 应； 至少基于所述第一数据集中所包含的反射信息与所述一层地图层中包含的反射信息， 确定层反射信息相似度； 以及 至少基于所述层反射信息相似度， 确定所述反射估计概率。 7.根据权利要求6所述的方法， 其中确定所述高度估计概率包括： 至少基于所述第一数据集中所包含的高度信息与所述一层地图层中包。

7、含的高度信息， 确定层高度信息相似度； 以及 权利要求书 1/4 页 2 CN 110989619 A 2 至少基于所述层高度信息相似度， 确定所述高度估计概率。 8.根据权利要求1至4中任一项所述的方法， 其中确定所述估计概率包括： 基于所述当前点云数据的高度信息， 从所述多个地图层中选择一组地图层， 所述一组 地图层的高度信息与所述当前点云数据的高度信息相匹配； 以及 基于所述一组地图层以及所述当前点云数据来确定所述估计概率。 9.根据权利要求8所述的方法， 其中确定所述定位信息包括： 确定所述一组地图层的置信参数， 所述置信参数包括所述一组地图层的以下至少一 项： 包含在所述一组地图层中。

8、空间参数和地面参数的数目、 所述一组地图层中包含的噪声 数据以及所述一组地图层中的环境变量； 基于所述置信参数， 从所述一组地图层中选择至少一个地图层； 以及 基于所述至少一个地图层以及所述当前点云数据， 确定所述估计概率。 10.根据权利要求1至4中任一项所述的方法， 其中确定所述定位信息包括： 获取所述对象的另一估计位置、 与所述另一估计位置相对应的另一估计高度以及所述 对象以另一估计姿态处于所述另一估计位置的另一估计概率； 以及 通过执行以下至少一项， 来确定所述定位信息： 基于所述估计位置和所述估计概率以及所述另一估计位置和所述另一估计概率， 确定 所述对象的所述当前位置； 基于所述估。

9、计高度和所述估计概率以及所述另一估计高度和所述另一估计概率， 确定 所述对象的所述当前高度； 以及 基于所述估计姿态和所述估计概率以及所述另一估计姿态和所述另一估计概率， 确定 所述对象的所述当前姿态。 11.一种用于定位对象的装置， 包括： 地图获取模块， 被配置为获取与所述对象所在的区域有关的地图， 所述地图包括具有 不同高度信息的多个地图层； 概率确定模块， 被配置为基于所述地图以及与所述对象有关的当前点云数据， 确定所 述对象的估计位置、 与所述估计位置相对应的估计高度以及所述对象以估计姿态处于所述 估计位置的估计概率； 以及 定位模块， 被配置为至少基于所述估计位置、 所述估计高度和。

10、所述估计概率， 确定所述 对象的定位信息， 所述定位信息指示以下至少一项： 所述对象的当前位置、 当前高度和当前 姿态。 12.根据权利要求11所述的装置， 其中所述地图获取模块包括： 历史点云数据获取模块， 被配置为获取在历史时段内采集的与所述区域有关的历史点 云数据； 地图单元确定模块， 被配置为基于所述历史点云数据， 确定所述多个地图层， 所述多个 地图层中的每个地图层包括多个地图单元， 每个地图单元包括用于构建单高斯模型的空间 参数和地面参数； 以及 地图生成模块， 被配置为基于所述多个地图层， 生成所述地图。 13.根据权利要求12所述的装置， 所述装置还包括： 地图层匹配模块， 被。

11、配置为基于所述当前点云数据的高度信息， 从所述多个地图层中 权利要求书 2/4 页 3 CN 110989619 A 3 选择一组地图层， 所述一组地图层的高度信息与所述当前点云数据的所述高度信息相匹 配； 地图单元匹配模块， 被配置为确定所述一组地图层中的、 与所述当前点云数据相对应 的地图单元； 以及 地图更新模块， 被配置为基于所述当前点云数据， 更新与所述当前点云数据相对应的 所述地图单元的单高斯模型。 14.根据权利要求11所述的装置， 其中所述概率确定模块包括： 地图层确定模块， 被配置为基于所述估计位置的预定高度和所述多个地图层的高度信 息， 从所述多个地图层中确定至少一个地图层。

12、， 所述预定高度在与所述至少一个地图层相 关联的高度范围内； 以及 高度确定模块， 被配置为基于所述预定高度以及所述至少一个地图层的高度信息， 来 确定所述估计高度。 15.根据权利要求11至14中任一项所述的装置， 其中所述概率确定模块包括： 第一反射估计概率确定模块， 被配置为基于所述多个地图层中包含的反射信息和所述 当前点云数据的反射信息， 确定所述对象处于所述估计位置且具有所述估计姿态的反射估 计概率； 第一高度估计概率确定模块， 被配置为基于所述多个地图层中包含的高度信息和所述 当前点云数据中包含的高度信息， 确定所述对象处于所述估计位置且具有所述估计姿态的 高度估计概率； 以及 第。

13、一估计概率确定模块， 被配置为基于所述反射估计概率和所述高度估计概率， 确定 所述估计概率。 16.根据权利要求15所述的装置， 其中所述第一反射估计概率确定模块包括： 点云数据确定模块， 被配置为基于从所述多个地图层中选择的一层地图层的高度信 息， 确定所述当前点云数据中的第一数据集， 所述第一数据集的高度信息与选择的所述一 层地图层的所述高度信息相对应； 层反射信息相似度确定模块， 被配置为至少基于所述第一数据集中所包含的反射信息 与所述一层地图层中包含的反射信息， 确定层反射信息相似度； 以及 第二反射估计概率确定模块， 被配置为至少基于所述层反射信息相似度， 确定所述反 射估计概率。 。

14、17.根据权利要求16所述的装置， 其中所述第一高度估计概率确定模块包括 层高度信息确定模块， 被配置为至少基于所述第一数据集中所包含的高度信息与所述 一层地图层中包含的高度信息， 确定层高度信息相似度； 以及 第二高度估计概率确定模块， 被配置为至少基于所述层高度信息相似度， 确定所述高 度估计概率。 18.根据权利要求11至14中任一项所述的装置， 其中所述概率确定模块包括： 第一地图层选择模块， 被配置为基于所述当前点云数据的高度信息， 从所述多个地图 层中选择一组地图层， 所述一组地图层的高度信息与所述当前点云数据的高度信息相匹 配； 以及 第二估计概率确定模块， 被配置为基于所述一组。

15、地图层以及所述当前点云数据来确定 权利要求书 3/4 页 4 CN 110989619 A 4 所述估计概率。 19.根据权利要求18所述的装置， 其中所述概率确定模块包括： 置信参数确定模块， 被配置为确定所述一组地图层的置信参数， 所述置信参数包括所 述一组地图层的以下至少一项： 包含在所述一组地图层中空间参数和地面参数的数目、 所 述一组地图层中包含的噪声数据以及所述一组地图层中的环境变量； 第二地图层选择模块， 被配置为基于所述置信参数， 从所述一组地图层中选择至少一 个地图层； 以及 第三估计概率确定模块， 被配置为基于所述至少一个地图层以及所述当前点云数据， 确定所述估计概率。 2。

16、0.根据权利要求11至14中任一项所述的装置， 其中所述定位模块包括： 第三估计概率确定模块， 被配置为获取所述对象的另一估计位置、 与所述另一估计位 置相对应的另一估计高度以及所述对象以另一估计姿态处于所述另一估计位置的另一估 计概率； 以及 第二定位信息模块， 被配置为执行以下至少一项： 基于所述估计位置和所述估计概率以及所述另一估计位置和所述另一估计概率， 确定 所述对象的所述当前位置； 基于所述估计高度和所述估计概率以及所述另一估计高度和所述另一估计概率， 确定 所述对象的所述当前高度； 以及 基于所述估计姿态和所述估计概率以及所述另一估计姿态和所述另一估计概率， 确定 所述对象的所述。

17、当前姿态。 21.一种电子设备， 所述设备包括： 一个或多个处理器； 以及 存储装置， 用于存储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理 器执行， 使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。 22.一种计算机可读存储介质， 其上存储有计算机程序， 所述程序被处理器执行时实现 如权利要求1-10中任一项所述的方法。 权利要求书 4/4 页 5 CN 110989619 A 5 用于定位对象的方法、 装置、 设备和存储介质 技术领域 0001 本公开的实施例涉及数据处理领域， 特别地， 涉及自动驾驶领域， 并且更具体地， 涉及用于定位对象的方法、 装置、 。

18、设备和计算机可读存储介质。 背景技术 0002 高精度定位技术是自动驾驶技术的重要组成部分， 也是无人驾驶交通工具进行路 径规划、 控制决策以及感知的基础。 传统的定位方案主要包括基于全球导航卫星系统 (GNSS)/惯性测量单元(IMU)的定位方案、 基于激光雷达的定位方案以及基于相机的定位方 案。 0003 随着无人车技术的发展， 基于激光雷达(LiDAR)的定位方案变得越来越常用和重 要。 通常， 需要对激光雷达与精确的地图配合使用， 以获得车辆的正确定位， 从而便于车辆 的正确行驶。 发明内容 0004 根据本公开的示例实施例， 提供了一种定位对象的方案。 0005 在本公开的第一方面中。

19、， 提供了一种用于定位对象的方法。 该方法包括获取与对 象所在的区域有关的地图。 该地图包括具有不同高度信息的多个地图层。 该方法还包括基 于地图以及与对象有关的当前点云数据， 确定对象的估计位置、 与估计位置相对应的高度 以及对象处于估计位置且具有估计姿态的估计概率。 此外， 该方法还包括基于估计位置、 与 估计位置相对应的高度和估计概率， 确定定位信息， 定位信息指示以下至少一项： 对象的当 前位置、 当前高度和当前姿态。 0006 在本公开的第二方面中， 提供了一种用于定位对象的装置。 该装置包括地图获取 模块， 被配置为获取与对象所在的区域有关的地图， 地图包括具有不同高度信息的多个地。

20、 图层。 该装置还包括概率确定模块， 被配置为基于地图以及与对象有关的当前点云数据， 确 定对象的估计位置、 与估计位置相对应的估计高度以及对象以估计姿态处于估计位置的估 计概率。 该装置进一步包括定位模块， 被配置为至少基于估计位置、 估计高度和估计概率， 确定对象的定位信息， 定位信息指示以下至少一项： 对象的当前位置、 当前高度和当前姿 态。 0007 在本公开的第三方面中， 提供了一种电子设备， 包括一个或多个处理器； 以及存储 装置， 用于存储一个或多个程序， 当一个或多个程序被一个或多个处理器执行， 使得一个或 多个处理器实现根据本公开的第一方面的方法。 0008 在本公开的第四方。

21、面中， 提供了一种计算机可读存储介质， 其上存储有计算机程 序， 该程序被处理器执行时实现根据本公开的第一方面的方法。 0009 应当理解， 发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或 重要特征， 亦非用于限制本公开的范围。 本公开的其它特征将通过以下的描述变得容易理 解。 说明书 1/18 页 6 CN 110989619 A 6 附图说明 0010 结合附图并参考以下详细说明， 本公开各实施例的上述和其他特征、 优点及方面 将变得更加明显。 在附图中， 相同或相似的附图标注表示相同或相似的元素， 其中： 0011 图1示出了根据本公开的实施例的用于定位对象的示例环境100。

22、的示意图； 0012 图2示出了根据本公开的一些实施例的用于定位对象的方法200的流程图； 0013 图3示出了根据本公开的一些实施例的用于获取地图的方法300的流程图； 0014 图4示出了根据本公开的一些实施例的多层单高斯模型地图400的示意图； 0015 图5示出了根据本公开的一些实施例的用于确定估计概率的方法500的流程图； 0016 图6示出了根据本公开的一些实施例的用于确定估计高度的方法600的流程图； 0017 图7示出了根据本公开的一些实施例的用于确定估计概率的方法700的流程图； 0018 图8示出了根据本公开的一些实施例的经预处理的多层单高斯模型地图以及经预 处理的当前点云。

23、数据的示意图800； 0019 图9示出了根据本公开的实施例的用于确定定位信息的装置900的示意框图； 0020 图10示出了根据本公开的一些实施例的用于定位对象的过程1000的可视化示意 图； 以及 0021 图11示出了能够实施本公开的多个实施例的计算设备1100的框图。 具体实施方式 0022 下面将参照附图更详细地描述本公开的实施例。 虽然附图中显示了本公开的某些 实施例， 然而应当理解的是， 本公开可以通过各种形式来实现， 而且不应该被解释为限于这 里阐述的实施例， 相反提供这些实施例是为了更加透彻和完整地理解本公开。 应当理解的 是， 本公开的附图及实施例仅用于示例性作用， 并非用。

24、于限制本公开的保护范围。 0023 在本公开的实施例的描述中， 术语 “包括” 及其类似用语应当理解为开放性包含， 即 “包括但不限于” 。 术语 “基于” 应当理解为 “至少部分地基于” 。 术语 “一个实施例” 或 “该实 施例” 应当理解为 “至少一个实施例” 。 术语 “第一” 、“第二” 等等可以指代不同的或相同的对 象。 下文还可能包括其他明确的和隐含的定义。 0024 如以上提及的， 期望实现高精度定位以满足自动驾驶的要求。 传统的定位方案主 要包括基于全球定位系统(GPS)/惯性测量单元(IMU)的定位方案、 基于激光雷达的定位方 案以及基于相机的定位方案。 0025 基于激光。

25、雷达的方案能够利用雷达来精确测量多个地点的位置和深度， 通过与点 云地图进行匹配能够获得高精度的定位。 但是在现实道路中存在复杂场景存在大量高度方 向上的信息， 而传统的基于点云数据的单层高斯模型地图并不能反映高度方向上的信息。 例如在立交桥/多层路场景或者竖直方向上部分场景发生了变化的情况下， 定位误差较大 甚至会发生定位位置漂移。 又例如， 当地图采集车与自动驾驶车辆的激光雷达型号和安装 方式不同时， 定位误差通常也较大或发生定位位置漂移。 0026 根据本公开的实施例， 提出了一种用于高精度定位的方案。 在该方案中， 获取与待 定位的对象有关的点云数据， 并基于该点云数据与对应的具有多个。

26、高度层的地图之间的匹 配程度， 确定对象的估计位置、 与估计位置相对应的估计高度以及对象以估计姿态处于估 计位置的估计概率。 由此， 可以确定对象在当前时刻的最终定位信息。 该方案能够有利地在 说明书 2/18 页 7 CN 110989619 A 7 各种复杂场景下， 例如立交桥/多层路场景下， 实现对象的高精确度(例如， 厘米级)定位。 0027 以下将参照附图来具体描述本公开的实施例。 在本文中， 术语 “姿态” 是指对象在 特定坐标系中的姿势。 例如， 在二维坐标系和三维坐标系中， 对象的姿态可以利用航向角来 表示。 在三维坐标系中， 对象的姿态还可以利用俯仰角、 航向角和旋转角来表示。

27、。 在下文中， 将以三维坐标系中，“姿态” 为航向角为例来讨论本公开的实施例。 也就是说， 在三维坐标系 中， 将考虑对象的二维坐标(x， y)、 对象的高度z(例如， 海拔高度、 或者相对于特定参考面的 高度)以及对象的航向角h。 然而应当理解， 这仅仅出于示例的目的， 而无意于限制本公开的 范围。 0028 此外， 术语 “对象” 是指要对其进行定位的任何交通工具或其他物体。 在下文中， 有 时以行驶中的车辆作为对象的示例。 然而应当理解， 这仅仅出于示例的目的， 而无意于限制 本公开的范围。 本公开的实施例也可以被类似地应用于其他对象， 诸如飞行器等。 0029 图1示出了本公开的多个实。

28、施例能够在其中实现的示例环境100的示意图。 如图1 所示， 环境100总体上可以包括对象110和计算设备120。 尽管在图1中将计算设备120示出为 与对象110分离， 然而这仅仅是出于示例的目的。 在一些实施例中， 计算设备120也可以被包 括在对象110中。 例如， 当对象110为自动驾驶的车辆时， 计算设备120可以是该车辆中的计 算装置。 0030 计算设备120可以确定对象110在运动期间的位置、 高度和所处姿态(例如， 航向 角)。 如图1所示， 计算设备120可以获取关于对象110所在的地理区域的地图101。 地图101包 括具有不同高度信息的多个地图层。 在一些实施例中， 地。

29、图101可以是基于点云数据而生成 的(以下将结合图3和图4进一步描述)， 并且以多层网格的形式被存储在耦合至计算设备 120或者远离计算设备120的存储设备(图1中未示出)中。 计算设备120可以从存储地图101 的存储设备来获取地图101。 0031 计算设备120为能够处理数据的任意电子设备， 包括但不限于移动电话(例如， 智 能手机)、 膝上型计算机、 便携式数字助理(PDA)、 电子书(电子书)阅读器、 便携式游戏机、 便 携式媒体播放器、 游戏机、 机顶盒(STB)、 智能电视(TV)、 个人计算机、 膝上型计算机、 车载计 算机(例如， 导航单元)、 多处理器系统、 消费电子产品、。

30、 大型计算机、 包括上述系统或设备中 的任意一个的分布式计算环境等。 0032 对象110上可以至少安装有运动测量装置和激光雷达。 在此所述的 “运动测量装 置” 可以指代能够获得与对象110的运动有关的信息的任何传感器或测量装置， 包括但不限 于IMU(诸如包括加速度计、 陀螺仪等)和速度传感器(诸如轮速计)等。 运动测量装置能够获 取对象110的运动有关的信息， 例如可以包括但不限于对象110的角速度、 速度(例如， 车轮 转速)、 加速度等。 0033 如图1所示， 在对象110在运动时， 可以通过诸如激光雷达的数据采集设备扫描周 围的空间， 以获得当前时刻的点云数据103。 点云数据1。

31、03以预定的时间间隔来采集， 并且以 帧为单位发送给计算设备。 计算设备120可以获取地图101和当前时刻的点云数据103， 并且 至少基于地图101和点云数据103来确定对象110的定位信息105。 定位信息105可以指示对 象110的二维位置、 高度、 姿态等信息。 例如， 定位信息105可以包括对象110的当前位置 当前高度和当前姿态(例如， 航向角)等。 说明书 3/18 页 8 CN 110989619 A 8 0034 在一些实施例中， 计算设备120能够例如可以可视化的形式(以下将结合图10进一 步描述)将定位信息105呈现给用户(例如， 驾驶由对象110所表示的交通工具的司机)。

32、， 或者 可以被用于自动驾驶中的路径规划和/或控制决策等。 0035 应当理解， 在图1中仅出于示例性的目的描述环境100的结构和功能， 而不暗示对 于本公开的范围的任何限制。 本公开的实施例还可以被应用到具有不同的结构和/或功能 的环境中。 0036 以下将进一步结合附图来详细描述如图1所示的计算设备120的工作原理。 0037 图2示出了根据本公开的一些实施例的用于定位对象的方法200的流程图。 例如， 方法200可以由如图1所示的计算设备110来执行。 以下将结合图1来详细描述方法200的各 个动作。 应当理解， 方法200还可以包括未示出的附加动作和/或可以省略所示出的动作。 本 公开。

33、的范围在此方面不受限制。 还应当理解， 以下实施例中使用的针对各种参数的具体数 值仅是用于描述本公开， 而非对本公开的具体限定。 本领域技术人员可以基于需要设置针 对各种参数的具体数值。 0038 在框220， 计算设备120获取与对象所在的区域有关的地图， 该地图包括具有不同 高度信息的多个地图层。 0039 在一些实施例中， 地图101可以基于历史点云数据而预先生成， 并且以多层网格的 形式被存储在耦合至计算设备120或者远离计算设备120的存储设备中。 地图中数据的存储 格式是针对多层网格的多个对应的单高斯模型。 也就是说， 地图101针对不同的多个高度范 围， 构建了多高度层的、 网格。

34、化的高斯模型地图。 计算设备120可以从该存储设备中获取地 图101。 在下文中， 地图101的生成方式将参考图3和图4来详细说明。 0040 在框240， 计算设备120基于地图以及与对象有关的当前点云数据， 确定对象的估 计位置、 与估计位置相对应的估计高度以及对象以估计姿态处于估计位置的估计概率。 0041 在一些实施例中， 计算设备120使用诸如三维的直方图滤波器的概率确定模块， 来 确定对象以估计姿态h处于估计位置(x， y)的估计概率， 其中三维指代对应于三个参数的三 个维度， 而不一定指代传统意义上的三维空间。 在本文中， 对象以估计姿态处于估计位置也 被简称为 “状态” ， 估。

35、计概率也可以指代后验概率。 计算设备120使用直方图滤波器， 为多个 状态(x， y， h)确定估计概率， 其中x， y分别指示二维平面上的坐标， h指示航向角度。 在一个 示例中， 为了高精确度的定位分辨率， 可以将多个状态的x或y之间的间隔设置为0.125m。 0042 一般地， 计算设备120使用直方图滤波器包括两个过程， 即运动更新和量测更新， 用来各个状态的估计概率。 在下文中， 对状态的估计概率的确定方式将参考图5至图8来详 细说明。 0043 在一些实施例中， 计算设备120基于估计位置的预定高度和多个地图层的高度信 息， 从多个地图层中确定至少一个(例如， 一个或两个)地图层。。

36、 其中， 该预定高度在与至少 一个地图层相关联的高度范围内。 然后计算设备120基于预定高度以及至少一个地图层的 高度信息， 确定估计高度。 以此方式， 计算设备120可以利用具有多个层(对应于多个高度范 围)的单高斯模型地图中存储的精确的高度信息(例如， 地面上的点的高度值)， 来从该地图 中的对应的地图单元中， 获取对应于二维坐标(x， y)精确的估计高度z。 在下文中， 估计高度 的详细确定方式将参考图6来详细说明。 0044 在框260， 计算设备120至少基于估计位置、 估计高度和估计概率， 确定对象的定位 说明书 4/18 页 9 CN 110989619 A 9 信息。 定位信息。

37、指示以下至少一项： 对象的当前位置、 当前高度和当前姿态。 0045 以此方式， 计算设备120可以确定出状态、 以及该状态的对应的后验概率。 后验概 率表示对象处于该状态的可能性。 然后基于这些信息， 计算设备120可以在具有复杂的高度 信息的场景下， 获得关于对象的精准的定位信息。 0046 在一些实施例中， 计算设备120可以获取对象的另一估计位置、 与另一估计位置相 对应的另一估计高度以及对象以另一估计姿态处于另一估计位置的另一估计概率。 然后计 算设备120通过执行以下至少一项， 来确定定位信息： 基于估计位置和估计概率以及另一估 计位置和另一估计概率， 确定对象的当前位置； 基于估。

38、计高度和估计概率以及另一估计高 度和另一估计概率， 确定对象的当前高度； 以及基于估计姿态和估计概率以及另一估计姿 态和另一估计概率， 确定对象的当前姿态。 0047 以此方式， 计算设备120可以基于多个估计位置、 多个估计高度和多个估计概率， 通过加权平均的方式来确定对象的位置航向角和高度 0048 在一些实施例中， 计算设备120确定多个状态中的每个状态的估计概率， 然后确定 具有高于预定阈值的估计概率的一个状态。 利用直方图滤波器所获得的多个状态的估计概 率可以形成一个概率分布。 在一个示例中， 计算设备120可以确定具有最大估计概率(概率 分布的最大响应点)的一个状态。 然后计算设备。

39、120利用该一个状态附近的区域R(例如， 由x 5， y5， h5组成的区域， 5表示一个单位， 而不代表坐标的实际值)中所有的(例如， 113 个)状态(x， y， h)、 状态对应的高度z以及与这些状态对应的估计概率， 通过以下等式(1)来 计算对象的当前位置、 当前高度和当前姿态 0049 0050 0051 0052 0053 其中(x， y， h)表示区域R中所有的状态(即， 以估计姿态h处于估计位置x， y)， z表示 状态对应的高度， P (x， y， h)表示状态(x， y， h)的估计概率(后验概率， 其可以利用将在下文 详细介绍的等式(11)来获取)。 可以是经验值、 预定。

40、值， 或者根据当前点云数据和地图之间 的匹配程度来确定(例如可以设置为1.1)， 用于调整概率分布的平滑度。 说明书 5/18 页 10 CN 110989619 A 10 0054 以此方式， 本公开的实施例能够在具有复杂的高度信息的场景下(例如立交桥/多 层路场景下)， 实现高精确度(例如， 厘米级)定位。 0055 图3示出了根据本公开的一些实施例的用于获取地图的方法300的流程图。 例如， 方法300可以被视为如图2所示的方法200中的框220的一种示例实现。 应当理解， 方法300还 可以包括未示出的附加动作和/或可以省略所示出的动作。 本公开的范围在此方面不受限 制。 以下实施例中。

41、使用的针对各种参数的具体数值仅是用于描述本公开， 而非对本公开的 具体限定。 本领域技术人员可以基于需要设置针对各种参数的具体数值。 0056 在框320， 计算设备120获取在历史时段内采集的与区域有关的历史点云数据。 0057 通常地， 具有多个地图层的地图需要预先基于历史点云数据(例如， 在不同的历史 时刻处， 由装备有LiDAR的测试车辆所采集的点云数据)来构建。 采集历史点云数据的方法 可以与传统的方式相类似。 例如， 可以在不同历史时刻(例如， 在不同季节、 或者在不同的天 气状况下)， 针对预定区域(例如， 在立交桥的路面上行驶)进行扫描来获得历史点云数据。 0058 在框340。

42、， 计算设备120基于历史点云数据， 确定多个地图层。 其中多个地图层中的 每个地图层包括多个地图单元， 每个地图单元包括用于构建单高斯模型的空间参数和地面 参数。 0059 通过采集获得的历史点云数据中具有多个数据点， 每个数据点对应于传统三维空 间坐标系中的点(表示空间位置)， 其可以被定位在地图中的特定层中(每个地图层对应于 特定高度范围)的特定地图单元(该单元还对应于二维平面中位置， 例如， 三维空间坐标系 中的x， y， 或世界大地坐标系中的位置)。 作为结果， 根据本公开的实施例的地图是一个具有 多个地图层的网格化地图。 由于该地图中的每一层中的每个地图单元均是基于单高斯模型 而构。

43、建的， 故计算设备120可以利用多个单高斯模型， 方便地将诸如高度信息和反射信息的 空间参数存储为与对应层中的对应地图单元相关联。 0060 图4示出了根据本公开的一些实施例的多层单高斯模型地图的示意图。 以下实施 例中使用的针对各种参数的具体数值仅是用于描述本公开， 而非对本公开的具体限定。 本 领域技术人员可以基于需要设置针对各种参数的具体数值。 0061 在图4所示出的地图400中， 地图层401、 402和403对应于三个不同高度， 其中地图 层401是从参考地图层算起的第k个地图层， 地图层402是是从参考地图层算起的第k+2个地 图层， 以及地图层403是从参考地图层算起的第k+5。

44、个地图层。 可以理解的是， 在地图层401 与402之间、 以及地图层402与403之间还存在其他地图层。 类似地， 网格411、 412和413对应 于三个不同的二维平面位置(x， y)， 网格的定义与传统的网格地图类似， 因此在此不再赘 述。 0062 一个地图单元被限定在一个地图层与一个网格相交处。 例如， 在地图层403与网格 412相交处是一个示例地图单元421。 地图单元421包括两个子单元， 即高斯模型子单元422 和地面参数子单元423。 0063 地图单元可以至少包括基于点的空间参数所构建的反射信息单高斯模型和高度 信息单高斯模型。 例如， 针对地图单元421， 反射信息单高。

45、斯模型基于落在对应地图层403的 对应网格412内的点的反射信息来构建， 而高度信息单高斯模型基于落在对应地图层403的 对应网格412内的点的高度信息来构建。 反射信息包括反射值的均值ur和反射值方差 r、 以 及点的数目Cr， 而高度信息包括高度值的均值ua和高度值方差 a， 以及点的数目Ca。 上述反 说明书 6/18 页 11 CN 110989619 A 11 射信息单高斯模型和高度信息单高斯模型可以对应地被存储在地图单元421的高斯模型子 单元422中。 0064 地图单元还可以包括落在该地图单元内的地面点(例如， 立交桥路面上的点)的高 度信息。 0065 例如， 地图单元421。

46、还包括地面参数子单元423， 其可以存储对应地图层403的对应 网格412内的地面点的地面参数。 地面参数包括落在地图单元421内的地面点的高度值均值 uae， 以及落在该层的地面点的个数d。 如图4中所示出的， 在地图单元421所对应的空间位置 处， 不存在地面参数(即， 地面参数子单元422中没有存储数据)， 这可以表示在地图单元421 所对应的空间位置处， 没有路面的存在。 而在地面单元所对应的位置处存在路面的情况下， 地面参数子单元(例如， 子单元441)则会存储该对应路面的高度信息。 0066 类似地， 对应于网格413、 地图层402处的地图单元中， 不存在空间参数(高斯模型 子单。

47、元)， 因为该位置没有对应的历史点云数据。 这可能是由于该地图单元所对应的空间位 置被树或建筑物所遮挡。 在一些实施例中， 为了节省存储空间， 计算设备120只为有效的 (即， 存在对应的数据)地图层(地图单元和/或地图子单元)分配存储空间。 0067 每两个相邻高度范围所对应的两个地图层之间存在一定的高度重叠区域。 例如， 在图4中， 高度方向上相邻的高斯模型子单元431和432之间存在高度重叠区域433。 高度重 叠区域433表示高斯模型子单元431包括的高度信息所对应的高度范围， 与高斯模型子单元 432包括的高度信息所对应的高度范围部分相同。 重叠区域的存在， 可以降低高度上的误差 对。

48、定位精确度的影响， 并且更大限度地利用三维空间中点的信息。 而这些信息例如可以在 参考图6所详细描述的估计高度确定过程中使用。 0068 在一些情况下， 若三维空间坐标系中的点(x， y， z)落在诸如高度重叠区域433所表 示的高度范围内， 则该点(x， y， z)可以对应于两个地图层。 0069 在一些实施例中， 三维空间坐标系中的点(x， y， z)所匹配的地图层可以通过以下 等式(2)和等式(3)来确定： 0070 0071 0072 l2l1-1， 0073 h(z-ab)-(hl-ho)l1 (3) 0074 其中， x和y表示该点在空间中的位置， z表示该点在空间中的高度， L是。

49、点(x， y， z) 所对应的一组地图层， l1和l2表示候选地图层的索引， 该索引可以指示候选地图层在地图中 的位置(例如， 从参考层开始计数的层的数目)。 h表示点(x， y， z)在l1层中的高度(即， 从l1 的底部到该点的距离)。 hl表示每一个地图层的高度， hoho表示两个地图层之间重叠部分的 高度， ab表示参考高度值， 其用来计算候选地图层的索引。 0075 在一个示例中， hl可以设定为2.5m， ho可以设定为1m， ab可以设定为-1000m。 以此方 式， 计算设备120可以确定与历史点云数据中的点相匹配的(一个或两个)地图层。 0076 返回到图3， 在框360， 。

50、计算设备120基于多个地图层， 生成地图。 该地图进一步在诸 说明书 7/18 页 12 CN 110989619 A 12 如框240所示的处理中使用。 如上文所讨论的， 生成的地图被存储在耦合至计算设备120或 者远离计算设备120的存储设备， 并且可以被计算设备120利用和/或通过计算设备来更新。 0077 基于单高斯模型的地图的一个优点是可以方便地进行地图数据的更新。 例如， 针 对图4中网格411的401层处的单元432， 假设之前已经基于LiDAR的5次扫描所获得的点云数 据构建过单高斯模型， 也就是说该高斯模型是基于5个数据点而构建的。 如果在LiDAR的最 近(第6次)扫描中采。